For AI agents: the complete documentation index is available at https://tingfeng347.github.io/windwiki/llms.txt, the full documentation bundle is available at https://tingfeng347.github.io/windwiki/llms-full.txt, and this page is available as Markdown at https://tingfeng347.github.io/windwiki/llm-applications/ai-engineering/agent-engineering/sources-and-coverage.md.

术语边界与资料索引

术语成熟度

术语建议表述原因
Prompt Engineering成熟术语主流模型厂商已有稳定定义与实践
Context Engineering快速成熟的工程术语已有清晰工程对象,但具体边界随 Agent 运行时演进
Loop Engineering新兴归纳循环本身成熟,名称尚未形成统一标准
Graph Engineering新兴归纳状态图/工作流成熟,但此名称也可能指知识图谱工程
Harness Engineering新兴归纳工具、运行时、护栏和恢复真实存在,术语边界仍变化
ReAct经典 Agent 范式有 ICLR 论文和大量工具 Agent 实现
Plan-and-Solve经典提示策略ACL 论文聚焦先计划再解题
Plan-and-Execute常见 Agent 架构Planner、Executor、State 与可选 Replanner 的工程组合
Reflection通用设计模式生成—评审—修订的广义循环
Reflexion特定研究框架使用语言反思和 episodic memory
Supervisor中心化多 Agent 编排中心 Agent 跨多步动态调用 worker
Swarm / Handoff去中心化交接拓扑active agent 在对等 Agent 间转移
Debate多 Agent 评审研究模式候选、互评、修订和裁决,收益并非无条件成立

五个 Engineering 更适合作为设计面和排障地图,不是 OSI 式严格分层。Prompt 是 Context 的组成部分;Harness 往往承载 Prompt、Context、Loop 与 Graph;Tool Use、评测、安全、成本和可观测性横跨多层。

易混概念

Plan-and-Solve 与 Plan-and-Execute

Plan-and-Solve 原论文是一种零样本推理提示:先规划子任务,再逐步解题。Plan-and-Execute 是工程架构:显式保存计划,由 executor 调用工具或子 Agent,并可在每步后 replan。

Reflection 与 Reflexion

Reflection 是任何“生成—评审—修订”循环;Reflexion 特指 Actor、Evaluator、Self-Reflection 和 episodic memory 组合,不通过更新模型参数学习。

Router 与 Supervisor

Router 通常一次分类后分发;Supervisor 会在完整运行中持续维护总体目标,动态选择 worker 和综合结果。

Swarm 与多 Agent

并非多个 Agent 就是 Swarm。这里的 Swarm 指没有永久中心、由当前 active agent 通过 handoff 转移控制权的拓扑。

Tool Use 与 ReAct

Tool Use 是横切能力。单次函数调用也可以使用工具;ReAct 强调行动与环境 Observation 交错并影响后续决策。

内容覆盖

原始分类对应笔记
AI / Agent / Agentic EngineeringAI 工程概览
Agent Engineering 层级Agent 工程概览
L1 Prompt Engineering提示词工程
L2 Context Engineering上下文工程
Memory、RAG、外部知识Memory、RAG 与外部知识
Tool Use、MCP、工具契约Tool Use 与工具工程
L3 Loop Engineering循环工程
CodeAct、PTC、程序化工具编排程序化工具编排
L4 Graph Engineering图工程
L5 Harness Engineering主控工程
异常轨迹、预算、停止与恢复Agent 异常轨迹排除
Reflection、ReAct、Planning单 Agent 设计模式
Supervisor、Swarm、Debate多 Agent 设计模式
Claude Code、Codex、Pi、GenericAgent、Hermes、DeepSeek Harness 等 Agent / Runtime 架构主流 Agent 架构
MCP、A2A、ACP、ANP协议与互操作总览
MCP Server 与工具/数据互操作MCP
跨 Agent 任务、长任务与产物A2A
ACP 存量系统与 A2A 迁移ACP 历史与迁移
开放 Agent 网络身份与发现ANP
Eval、Observability、Safety、Cost生产实践与选型

经典论文

  1. Yao et al. ReAct: Synergizing Reasoning and Acting in Language Models, ICLR 2023.
  2. Wang et al. Plan-and-Solve Prompting, ACL 2023.
  3. Shinn et al. Reflexion: Language Agents with Verbal Reinforcement Learning, NeurIPS 2023.
  4. Madaan et al. Self-Refine, NeurIPS 2023.
  5. Du et al. Improving Factuality and Reasoning through Multiagent Debate.
  6. Lewis et al. Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks, NeurIPS 2020.
  7. Wu et al. AutoGen, COLM 2024.

官方工程资料

协议章节的逐条事实与固定仓库快照见 Agent 协议一手资料核验。

Hello-Agents 图片

单 Agent 模式目录中的 4-1.png~4-4.png 来自 Datawhale Hello-Agents 第四章,本地来源快照提交为 4f7682c。原项目采用 CC BY-NC-SA 4.0;转载请继续署名、仅用于非商业目的,并按相同方式共享。该章没有 GIF。

API 快照

代码在 2026-09-14 按当前文档核对:

  • LangGraph 1.0.8:StateGraph、START、END、条件边、checkpointer、interrupt() 与 Command(resume=...);
  • OpenAI Agents SDK 0.7.0:Agent、Runner、function_tool、as_tool()、handoffs、guardrails、session 与 tracing;
  • Microsoft Agent Framework:workflow executors、edges、checkpoint 和 human-in-the-loop。

框架升级可能改变导入路径或参数。运行前应再次核对官方版本说明,并用最小 smoke test 验证示例。